[理学]第8章 假设检验-简.ppt

2 参数假设检验 学习目标 假设检验的基本思想和原理 假设检验的步骤 一个总体参数的检验 两个总体参数的检验 P值的计算与应用 用Excel进行检验 统计方法 假设检验（Hypothesis testing）和参数估计（Parameter estimation）是统计推断的两个组成部分，它们都是利用样本对总体进行某种推断。 参数估计是用样本统计量估计总体参数的方法，总体参数在估计之前是未知的。 假设检验则是先对总体参数的值提出一个假设，然后利用样本信息去检验这个假设是否成立。 为什么要做假设检验呢？ 某品牌洗涤剂在它的产品说明书中声称：平均净含量不少于500g。是否属实呢？ 引 例 某健身俱乐部欲根据往年的会员情况，制定2006年的会员发展营销策略。主管经理估计俱乐部会员的平均年龄是35岁，其中25～35岁的会员占总人数的70%。研究人员从2005年入会的新会员中随机抽取40人，调查得知他们的平均年龄是32岁，其中25～35岁的会员占74%。根据这份调查结果，主管经理的对会员年龄的估计是否准确？ 1 什么是假设检验? (hypothesis test) 先对总体的参数(或分布形式)提出某种假设，然后利用样本信息判断假设是否成立的过程（不应用估计出总体参数的样本来判断） 参数假设检验：已知总体分布 逻辑上运用反证法， 统计上依据小概率原理 基本原理 假设检验的过程和思路 ——概率意义下的反证法 二、假设检验的步骤 第一步，根据问题要求提出原假设（Null hypothesis）和备择假设（Alternative hypothesis）； 第二步，确定适当的检验统计量及相应的抽样分布； 第三步，选取显著性水平，确定原假设的接受域和拒绝域； 第四步，计算检验统计量的值； 第五步，作出统计决策。 下面结合例题对每一个步骤的内容进行分析和说明。 举例1 某健身俱乐部主管经理估计会员的平均年龄是35岁，研究人员从2005年入会的新会员中随机抽取40人，调查得到他们的年龄数据如下。 1. 提出原假设和备择假设 原假设（Null hypothesis）又称零假设，是需要通过样本推断其正确与否的命题，用H0表示。 本例中可以提出： H0 : m=35；这里m表示总体会员的平均年龄，意味着总体会员的平均年龄与主管经理估计的35岁没有差异。 与原假设对立的假设是备择假设，用H1表示。 在本例中，备择假设意味着“总体会员的平均年龄与主管经理估计的会员平均年龄35岁有显著差异”，可以表示为H1 : m≠35。 原假设与备择假设互斥，检验结果二者必取其一。 原假设(null hypothesis) 研究者想收集证据予以反对的假设 又称“0假设” 符号 ?, ? 或?? 表示为 H0 H0 ： ? = 某一数值 指定为符号 =，? 或 ?? 例 H0 ： ? ? 10cm 2. 确定适当的检验统计量 假设检验需要借助样本统计量进行统计推断，称为检验统计量。不同的假设检验问题需要选择不同的检验统计量。 选择什么统计量，需要考虑的因素有：总体分布，总体方差是否已知，大样本还是小样本，等等。 在本例中，由于n=4030是大样本，所以 近似服从正态分布，以样本标准差代替总体标准差，所用的统计量是： 3. 选取显著性水平，确定接受域和拒绝域 显著性水平（Significant Level）：事先给定的形成拒绝域的小概率，用a表示。 通常取a=0.01、 a=0.05或a=0.10， 本例为双侧检验，有 接受域：－1.96≤z≤1.96 拒绝域：z－1.96或z1.96 在实际应用中，一般是先给定了显著性水平，这样就可以由有关的概率分布表查到临界值（critical value） ，从而确定H0的接受域和拒绝域。对于不同形式的假设， H0的接受域和拒绝域也有所不同。 4. 计算检验统计量的值 在提出原假设H0和备择假设H1，确定了检验统计量，给定了显著性水平a以后，接下来就要根据样本数据计算检验统计量的值。其计算的基本公式为： 上式不是计算检验统计量的唯一公式 在本例中， 5.作出统计决策 计算检验的统计量 给定显著性水平?，查表得出相应的临界值z?或z?/2， t?或t?/2 将检验统计量的值与? 水平的临界值进行比较 得出拒绝或不拒绝原假设的结论 双侧检验：I统计量I 临界值，拒绝H0 左侧检验：统计量 -临界值，拒绝H0 右侧检验：统计量 临界值，拒绝H0 在本例中，由于z=3.1841.96，落在拒绝域内，所以拒绝原假设H0。可以得出结论：在a=0.05的显著性水平下，抽样结果的平均年龄显著低于主管经理的估计值，有理由认为经理的估计不准确。 利用 P 值 进行决策 P值（